基于拉曼光谱的水产生物化学组成分析机器学习方法
机器学习
2024-10-01 v1 人工智能
信号处理
摘要
快速准确检测鱼类生物化学组成是实现海鲜行业高价值产品的优化利用与提取的关键现实任务。拉曼光谱通过将拉曼光谱与生物化学参考数据关联起来，运用机器学习回归模型进行快速而非破坏性的生物化学组成分析，提供了可行方案。本文针对该任务探讨不同回归模型，提出一种新的卷积神经网络（CNN）设计，用于联合预测水分、蛋白质和脂肪含量。我们是首次成功地在极小规模拉曼光谱数据集上应用 CNN 分析鱼类生物化学组成。该方法结合量身定制的 CNN 架构与完善的数据准备流程，有效缓解了极端数据稀缺带来的挑战。结果表明，我们的 CNN 在两个最先进的 CNN 模型和多种传统机器学习模型中均显著优异，为实现鱼类生物化学组成的准确自动化分析铺平了道路。
引用
@article{arxiv.2409.19688,
title = {Machine Learning for Raman Spectroscopy-based Cyber-Marine Fish Biochemical Composition Analysis},
author = {Yun Zhou and Gang Chen and Bing Xue and Mengjie Zhang and Jeremy S. Rooney and Kirill Lagutin and Andrew MacKenzie and Keith C. Gordon and Daniel P. Killeen},
journal= {arXiv preprint arXiv:2409.19688},
year = {2024}
}